62、基于分类器并行组合的植物叶片自动识别

基于分类器并行组合的植物叶片自动识别

1 引言

植物在我们的生活中扮演着至关重要的角色，没有它们，地球生态将不复存在。植物在食品、呼吸、健康等生活领域，以及医药、经济农业等工业领域都有广泛应用。然而，数百万种植物中，部分正面临灭绝危险，因此，识别植物物种迫在眉睫。

传统上，植物学家通过分子生物学和叶片的细胞特征对植物进行分类，但这项任务繁琐、耗时，且需要专业知识，而专业知识并非随时可得。此外，某一物种或科的专家可能对其他物种并不熟悉。所以，迫切需要快速准确的自动植物识别系统。

植物通常根据叶片、茎、果实或花朵进行分类，其中叶片似乎是识别植物最合适的部分，因为它们四季皆有，且扁平的形状便于计算机以二维形式表示。

近年来，植物识别技术成为研究热点。此前的一些工作多使用单一分类器进行植物识别，如结合随机森林（RF）和线性判别分析（LDA）、人工神经网络（ANN）等。也有一些工作尝试通过组合多个分类器来改进识别效果，如串行组合两个支持向量机（SVM）、并行组合人工神经网络（ANN）和支持向量机（SVM）等。

本文介绍了一个并行组合三个分类器（SVM、朴素贝叶斯（NB）和K近邻（KNN））的系统，通过提取叶片的形状特征（即形态特征）进行植物分类，并使用著名的Flavia数据集进行评估。

2 提出的系统

为了实现更好的性能，系统采用并行组合SVM、NB和KNN三个分类器的方式，这些分类器使用从叶片中提取的一组形态特征进行训练。系统主要包括以下几个阶段：
- 预处理 ：通常负责在使用图像进行特征提取之前对其进行一系列处理，如降噪、旋转、变换等。在本工作中，首先将原